[發明專利]模型訓練和路網處理方法、裝置、設備、介質和產品

在審

• 申請號: 202211364413.9
• 申請日: 2022-11-02
• 公開（公告）號: CN115773744A
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 阮詩斯
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G01C21/00
• 分類號: G01C21/00;G06V10/26;G06V10/774;G06V10/82;G06N3/0464;G06N3/048;G06N3/0455;G06N3/08
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 阮改燕

本公開涉及模型訓練和路網處理方法、裝置、設備、介質和產品。其中，路網分割模型訓練方法包括：獲取樣本區域中的樣本路網和樣本軌跡，并將樣本路網拆分為樣本新增路網和樣本已有路網；分別將樣本已有路網、樣本軌跡和樣本新增路網映射至樣本區域對應的網格矩陣中，生成樣本路網特征、樣本軌跡特征和樣本新增特征；以樣本路網特征和樣本軌跡特征為訓練輸入數據，以樣本新增特征為訓練參考真值，對預設分割網絡模型進行迭代訓練，得到路網分割模型。如此，可確保樣本數據的多樣性和全面性，且自動訓練得到無需人工設置較多參數的路網分割模型，提高了路網分割模型的模型精度及其穩定性，且可為后續新增路網的高效生成提供模型基礎。

技術領域

本公開涉及地圖數據技術領域，尤其涉及一種模型訓練和路網處理方法、裝置、設備、介質和產品。

背景技術

隨著現實世界中的建筑體和道路等地物的變化，需要對電子地圖進行及時更新，以確保地圖的準確性。而為了提高地圖更新效率，可以通過各種設備上報的行駛軌跡進行地圖中的道路更新。

目前，利用行駛軌跡進行地圖道路更新的主要方案是從行駛軌跡中提取到對應的道路矢量，再將該道路矢量與已有的地圖矢量進行全量匹配，得到新增的道路矢量。但是，一方面，該方案提取道路矢量的過程需要人為設置較多的參數，使得新增道路的提取過于依賴人工經驗而存在道路提取精度不穩定的問題；另一方面，該方案需要進行地圖矢量的全量計算，使得新增道路的獲取過程耗時長、效率低。

發明內容

為了解決上述利用行駛軌跡獲得新增道路的精度不穩定和效率低的技術問題，本公開提供了一種模型訓練和路網處理方法、裝置、設備、介質和產品。

第一方面，本公開實施例提供了一種路網分割模型訓練方法，包括：

獲取樣本區域中的樣本路網和樣本軌跡，并將所述樣本路網拆分為樣本新增路網和樣本已有路網；

分別將所述樣本已有路網、所述樣本軌跡和所述樣本新增路網映射至所述樣本區域對應的網格矩陣中，生成樣本路網特征、樣本軌跡特征和樣本新增特征；

以所述樣本路網特征和所述樣本軌跡特征為訓練輸入數據，以所述樣本新增特征為訓練參考真值，對預設分割網絡模型進行迭代訓練，并將訓練結束時的所述預設分割網絡模型確定為路網分割模型。

第二方面，本公開實施例還提供了一種路網處理方法，包括：

獲取目標區域中的目標路網和目標軌跡；

分別將所述目標路網和所述目標軌跡映射至所述目標區域對應的網格矩陣中，生成目標路網特征和目標軌跡特征；

基于所述目標路網特征和所述目標軌跡特征，通過路網分割模型，生成所述目標區域中的新增路網；其中，所述路網分割模型通過本公開任意實施例所說明的路網分割模型訓練方法預先訓練得到。

第三方面，本公開實施例還提供了一種路網分割模型訓練裝置，包括：

樣本數據獲取模塊，用于獲取樣本區域中的樣本路網和樣本軌跡，并將所述樣本路網拆分為樣本新增路網和樣本已有路網；

樣本特征生成模塊，用于分別將所述樣本已有路網、所述樣本軌跡和所述樣本新增路網映射至所述樣本區域對應的網格矩陣中，生成樣本路網特征、樣本軌跡特征和樣本新增特征；

模型訓練模塊，用于以所述樣本路網特征和所述樣本軌跡特征為訓練輸入數據，以所述樣本新增特征為訓練參考真值，對預設分割網絡模型進行迭代訓練，并將訓練結束時的所述預設分割網絡模型確定為路網分割模型。

第四方面，本公開實施例還提供了一種路網處理裝置，包括：

數據獲取模塊，用于獲取目標區域中的目標路網和目標軌跡；